Badania w sieciach złożonych

Wielkość: px

Rozpocząć pokaz od strony:

Download "Badania w sieciach złożonych"

Seweryna Nowicka
9 lat temu
Przeglądów:

1 Badania w sieciach złożonych Grant WCSS nr 177, sprawozdanie za rok 2012 Kierownik grantu dr. hab. inż. Przemysław Kazienko mgr inż. Radosław Michalski Instytut Informatyki Politechniki Wrocławskiej

2 Obszar badań Sieci złożone - grafy sieci społeczne Analiza klasyfikacja węzłów wyszukiwanie kluczowych węzłów (liczne miary) modelowanie sieci dynamicznych dyfuzja informacji w sieciach analiza grup

3 Klasyfikacja węzłów w sieciach Zbiór atrybutów -> klasa [x 1, x 2, x 3, x 4 ] -> [C 1 ] [X] -> [C] Poznanie klas jest kosztowne, więc staramy się je odkryć za pomocą klasyfikacji kolektywnej propagacja informacji o klasach za pomocą relacji Zerwanie z paradygmatem i.i.d.

staramy się je odkryć za pomocą klasyfikacji kolektywnej propagacja

4 Klasyfikacja kolektywna Dysponujemy klasami dla części zbioru i próbujemy poznać klasy pozostałych elementów dla danych relacyjnych (sieci) Odkrywanie klas ma swój koszt, więc staramy się minimalizować liczbę strzałów tak, aby maksymalnie zmniejszać niepewność 1 A tutorial on active learning, Sanjoy Dasgupta, John Langford, ICML 2009

koszt, więc staramy się minimalizować liczbę strzałów tak, aby maksymalnie

5 CC - Wykorzystane zasoby Klaster Hadoop - za pomocą nakładki myhadoop - na maszynach przypisanych do kolejki. Po uruchomieniu klastra przekazywane były do niego dane z serwera FTP, następnie uruchamiane 'joby' hadoopa, czyli elementarne części algorytmu zgodne z paradygmatem map-reduce Wikipedia:

Po uruchomieniu klastra przekazywane były do niego dane z serwera FTP,

6 Kolejne analizy Analiza sieci miary i własności Matlab + Complex Networks Package Wyszukiwanie klik w sieciach cfinder na klastrze Supernova Modelowanie sieci dynamicznych oraz dyfuzji informacji w sieciach Matlab

sieciach cfinder na klastrze Supernova Modelowanie

7 Wyszukiwanie klik w sieciach społ. klika podgraf, którego wszystkie wierzchołki połączone i nie da się dodać kolejnego wierzchołka spełniającego to założenie wyszukiwanie klik na różnych warstwach sieci społecznych i ich porównanie cfinder, dużo pamięci

się dodać kolejnego wierzchołka spełniającego to założenie

8 Dyfuzja informacji w sieciach społ. Analiza korelacji pomiędzy miarami sieciowymi a modelem zachowań komunikacyjnych Obserwacja sieci komunikacyjnej, a następnie dyfuzji w wirtualnym świecie

9 Przekazywanie wiadomości - zachowania Kilka wniosków: - relacje w sieci społecznej w większym stopniu wpływają na transmisję wirusa niż jego użycie - użytkownicy na obrzeżach sieci mogą być bardziej podatni na wpływ, jednak nie są skłonni przekazywać wiadomości dalej, - aby komunikat był rozprzestrzeniany, należy przekazać go najbliższym znajomym (mocne relacje)

sieci mogą być bardziej podatni na wpływ, jednak nie są skłonni przekazywać wiadomości

10 Social Networks WrUT Grupa badaczy zajmująca się analizami sieci społecznych, ale kierunek -> złożone Członkowie z PWr, ale i całej Polski Comiesięczne spotkania (na ogół)

11 Wykaz publikacji [Ind12a] Indyk, W., Kajdanowicz, T., Kazienko, P. "Cooperative Decision Making Algorithm for Large Networks using MapReduce Programming Model", 9th International Conference on Cooperative Design, Visualization, and Engineering. In: Lecture Notes in Computer Science, vol. 7467, pp (2012). DOI: / _7 [Ind12b] Indyk, W., Kajdanowicz, T., Kazienko, P., "Relational large scale multi-label classification method for video categorization", Multimedia Tools and Applications., pp (2012). DOI: /s [Ind12c] Indyk, W., Kajdanowicz, T., Kazienko, P. and Plamowski S.: "MapReduce approach to collective classification for networks", 11th International Conference on Artificial Intelligence and Soft Computing. In: Lecture Notes in Computer Science, nol. 7267, pp (2012). DOI: / _76 [Kaj12] Kajdanowicz, T., Indyk, W., Kazienko, P., Kukuł, J.: "Comparison of the Efficiency of MapReduce and Bulk Synchronous Parallel Approaches to Large Network Processing", Data Mining Workshops (ICDMW), 2012 IEEE 12th International Conference on Data Mining, pp (2012). DOI: /ICDMW [Mic12a] Michalski, R., Kazienko, P., Król, D.: Predicting Social Network Measures using Machine Learning Approach. ASONAM 2012, The 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. IEEE Computer Society, pp (2012). DOI: /ASONAM [Mic12b] Michalski, R., Jankowski, J., Kazienko, P.: Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks. SCA 2012, The 2nd International Conference on Social Computing and its Applications. IEEE Computer Society, pp (2012). DOI: /CGC [Zbi12] Zbieg, A., Żak, B., Jankowski, J., Michalski, R., Ciuberek, S.: Studying Diffusion of Viral Content at Dyadic Level. ASONAM 2012, The 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. IEEE Computer Society, pp (2012). DOI: /ASONAM

In: Lecture Notes in Computer Science, vol. 7467, pp. 53-56 (2012). DOI: 10.1007/978-3-642-32609-7_7 [Ind12b] Indyk, W., Kajdanowicz, T., Kazienko, P.

Podobne dokumenty

dr hab. inż. Przemysław Kazienko, prof. PWr

AUTOREFERAT I ANKIETA OCENY OSIĄGNIĘĆ NAUKOWYCH KANDYDATA DO TYTUŁU PROFESORA PO UZYSKANIU STOPNIA DOKTORA HABILITOWANEGO dr hab. inż. Przemysław Kazienko, prof. PWr Wydział Informatyki i Zarządzania Politechnika